臺灣博碩士論文加值系統

本論文所探討的研究方法是品質工程中於製程參數改善改善設計時，常會使用到的田口方法，多數論文使用田口法來進行參數設計時，只考量單一品質特性的參數設計最佳化，僅有少部分進行多品質特性的製程參數設計改善改善。
先將多品質特性問題中每一品質特性的損失值求出，接著實施正規化，使每個品質特性處於同一個基準，接著進行加總與權重計算，最後得出多重品質特性SN比（Multi-Response Signal to Noise Ratio, MRSN比）。便可依據多品質特性SN比值決定多品質特性下的最佳製程參數水準組合。
接著本論文設計了一個三因子三水準多品質實驗驗證靜態多品質特性最佳化模式的可行性，並與其他篇進行類似實驗的論文進行比較，未來若有學者需要進行靜態多品質特性製程參數設計最佳化，便可考慮使用該模式進行製程參數改善改善。

The method discussed in this paper is the Taguchi method that is often used when optimizing the design of process parameters in quality engineering. Most papers use the Taguchi method for parameter design, only considering the optimization of parameter design with a single quality characteristic, only A small number of process parameters are optimized for multi-quality characteristics.
First, the loss value of each quality characteristic in the multi-quality characteristic problem is obtained, and then the normalization operation is performed to make each quality characteristic on the same reference, then the summation and weight calculation are performed, and finally the multiple quality characteristic SN ratio is obtained (Ie Multi-Response Signal to Noise Ratio, MRSN ratio). The optimal combination of process parameter levels under multi-quality characteristics can be determined according to the SN ratio of multi-quality characteristics.
Then this paper validates the feasibility of the static multi-quality characteristic optimization mode with a three-factor three-level multi-quality experiment, and compares it with other papers carrying out similar experiments. If there are scholars in the future who need to perform static multi-quality characteristic process parameters Design optimization, you can consider using this mode to optimize process parameters.

中文摘要……i
英文摘要……ii
誌謝……iii
目錄……iv
表目錄……vi
圖目錄……vii
第一章 緒論……1
1.1 研究動機……1
1.2 研究目的……1
1.3 研究架構……1
第二章 文獻探討……3
2.1 品質工程……3
2.2 田口式品質工程……3
2.3 田口方法的工具……3
2.3.1 直交表……4
2.3.2 品質損失函數……4
2.4 田口方法三步驟……4
2.5 田口方法的品質特性……7
2.6 田口法中影響製程或產品績效的因子……7
2.6.1 不可控因子(干擾因子) ……7
2.6.2 可控因子……7
2.7 田口方法最佳化的八步驟……8
2.8 多品質特性參數最佳化……8
第三章 擬定多重品質特性最佳化模式……15
3.1 計算各個品質特性損失……17
3.1.1 望大品質特性損失……17
3.1.2 望目品質特性損失……17
3.1.3 望小品質特性損失……17
3.2 計算多重品質特性SN比……18
3.3 決定最佳因子水準組合……18
3.4 進行驗證實驗……18
第四章 案例討論……19
4.1 實驗設計……19
4.2 實驗過程……21
4.3 結果與分析……22
4.4 驗證實驗……25
4.5 與其他拋射器實驗論文進行比較……25
第五章 結論與建議……26
參考文獻……27
附錄一 CAT-100拋射器實驗數據與MRSN值……29
附錄二 其他篇論文實驗數據……30
英文論文大綱……31

1.王春和, & 唐麗英 (1992)。田口方法於線外品管多重品質特性製程最佳化之應用研究（未出版之碩士論文）。國立交通大學工業工程與管理學系，新竹市。
2.王春和, & 唐麗英 (2000)。應用灰關聯分析法於多品質特性與等級類別品質特性之最佳化（未出版之博士論文）。國立交通大學工業工程與管理學系，新竹市。
3.李輝煌 (2013)。田口方法品質設計的原理與實務（第三版）。新北市：高立圖書有限公司。
4.張志平、莊靜怡、黃啟原 (2003)。應用田口方法於石砮投擲最遠之研究。品質月刊， 39(8)，80-82。
5.唐麗英、王春和 (2013)。從範例學MINITAB統計分析與應用（第一版）。新北市：博碩文化股份有限公司。
6.詹曉苓, & 梁馨科 (2006)。運用混合演算法於田口動態特性之參數設計最佳化（未出版之博士論文）。國立交通大學工業工程與管理學系，新竹市。
7.蘇朝墩 (2002)。品質工程（第一版）。台北市：中華民國品質學會。
8.Ahilan, C., Kumanan, S., & Sivakumaran, N. (2010). Application of grey based Taguchi method in multi-response optimization of turning process. Advances in production Engineering & management, 5(3), 171-180.
9.Al-Refaie, A. (2010). Grey-data envelopment analysis approach for solving the multi-response problem in the Taguchi method. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 224(1), 147-158.
10.Al-Refaie, A., & Al-Tahat, M. D. (2011). Solving the multi-response problem in Taguchi method by benevolent formulation in DEA. Journal of intelligent Manufacturing, 22(4), 505-521.
11.Asiltürk, I., & Neşeli, S. (2012). Multi response optimisation of CNC turning parameters via Taguchi method-based response surface analysis. Measurement, 45(4), 785-794.
12.Jayaraman, P. (2014). Multi-response optimization of machining parameters of turning AA6063 T6 aluminium alloy using grey relational analysis in Taguchi method. Procedia Engineering, 97, 197-204.
13.Karna, S. K., & Sahai, R. (2012). An overview on Taguchi method. International Journal of Engineering and Mathematical Sciences, 1(1), 1-7.
14.Mehat, N. M., & Kamaruddin, S. (2011). Multi-response optimization of injection moulding processing parameters using the Taguchi method. Polymer-Plastics Technology and Engineering, 50(15), 1519-1526.
15.Nalbant, M., Gökkaya, H., & Sur, G. (2007). Application of Taguchi method in the optimization of cutting parameters for surface roughness in turning. Materials & design, 28(4), 1379-1385.
16.Pal, S., & Gauri, S. K. (2010). Multi-response optimization using multiple regression–based weighted signal-to-noise ratio (MRWSN). Quality engineering, 22(4), 336-350.
17.Ranganathan, S., & Senthilvelan, T. (2011). Multi-response optimization of machining parameters in hot turning using grey analysis. The International Journal of Advanced Manufacturing Technology, 56(5-8), 455-462.
18.Sarıkaya, M., & Güllü, A. (2015). Multi-response optimization of minimum quantity lubrication parameters using Taguchi-based grey relational analysis in turning of difficult-to-cut alloy Haynes 25. Journal of Cleaner Production, 91, 347-357.
19.Sharma, V., Chattopadhyaya, S., & Hloch, S. (2011). Multi response optimization of process parameters based on Taguchi—Fuzzy model for coal cutting by water jet technology. The International Journal of Advanced Manufacturing Technology, 56(9-12), 1019-1025.
20.Sibalija, T. V., & Majstorovic, V. D. (2012). An integrated approach to optimise parameter design of multi-response processes based on Taguchi method and artificial intelligence. Journal of Intelligent manufacturing, 23(5), 1511-1528.
21.Tong, L. I., Su, C. T., & Wang, C. H. (1997). The optimization of multi‐response problems in the Taguchi method. International Journal of Quality & Reliability Management.